2024.05.23
本文字数：1546，阅读时长大约3分钟
导读：
算力、算法和数据等，正在影响着国内大模型的国际竞争力和实际应用能力，那么大模型价格战，则显示国内企业沿用的还是流量经济战略，追求的还是规模经济。

作者 |
一财评论员

国内大模型打起了价格战。
22日腾讯云公布全新大模型升级方案，主力模型之一混元-lite模型，价格从0.008元/千tokens调整为全面免费，最高配置万亿参数模型混元-pro，价格从0.1元/千tokens降至0.03元/千tokens。
至此，5月以来硝烟四起的大模型价格战，让百度、阿里、腾讯等玩家悉数下场。
这场大模型价格战，意欲何为？是在证明国内算力盈余、认知盈余？显然，情况并非如此。价格战不一定惠及市场，降价也不一定能搭建其应用生态。如果这些大模型很难转化成真实有效的应用，即便全部永久免费都难有市场。
此时大模型的竞相降价只能说是一种非典型价格战，因为市场尚未对其进行充分稀缺性定价，意味着各大模型从来就没有出清过市场价格。
当前国内大模型与国际同行的差距不小，由于缺乏先进AI芯片，导致其训练水平和质量、推理能力等都很难有效支撑具体的应用需求。很多企业为争得先手棋而纷纷布局大模型，其结果自然是大量同质化大模型集中释放，进而出现非市场自然状态的供给踩踏。
当然，从营销策略上，降价会给消费者制造消费者剩余幻觉，但这种价格战，其实就是资源耗散，不能帮助大模型厂商在应用市场安营扎寨。
大模型价格战揭示AI硬件问题的同时，也暴露了国内在数字资产方面的诸多问题。中国是一个数据大国，尤其是移动互联网下，中国10多亿的用户基数，每天产生海量数据资产，这一直被当作是中国进入人工智能和下一代信息技术的基本盘。
不过，近年来国内大模型，大多是拿到英语世界进行训练，一种常用的做法是首先在国外云平台等进行基础模型训练，然后拿回来在中文数据库中进行微调。其中一个重要原因就是国内数据存在大量噪声，而且噪声水平不适合拟合和训练基础模型。
造成噪声大的原因是复杂的，一是数据产权结构复杂，及特定数据产权上激励约束缺乏兼容性等，人们为保护隐私，而倾向于通过制造噪声来隐藏自身真实显示偏好。
二是内容产品不一定显示人们的真实偏好，这也导致信息与噪声的辨识成本边际递增。
三是信息护养成本高，且激励约束不兼容，导致大量信息消失。数据存续存在运维成本，具有历史和现实价值的大量存量信息，无法产生收益和带来即期贴现，却需大量运维成本，导致其成为冗余资产，最终被相关市场企业一关了之。
很多人曾在PC端的账户和数据资产，被抹去的一个深层原因就是当前数据产权结构所出现的激励约束不兼容性。这如今正在影响着中国在人工智能领域的竞争，因为大部分主体的数字化的经验知识出现了缺失。
如果说算力、算法和数据等，正在影响着国内大模型的国际竞争力和实际应用能力，那么大模型价格战，则显示国内企业沿用的还是流量经济战略，追求的还是规模经济，其市场竞争策略就是在企业战略资源的配置上，强调通过高强度的烧钱来尽快获取市场份额，实现赢者通吃。
这种流量经济的打法在归纳逻辑的自动化生态下确实奏效，但在AI时代并不一定奏效，尤其是在诸如卷积神经网络等机器自学习为主的人工智能下，硅基智能体愈发带有类人意识，正逐渐从数字孪生向数字原生迈进，硅基智能体也开始用演绎逻辑替代归纳逻辑。
这预示着当前国际市场竞争正回归创新主导战线，而非规模主导战线，市场创新的收益来自不断创造低成本的产品和服务满足市场需求，曾经的流量经济正在被堵在人工智能时代的门口。这方面需清晰认知。
满眼生机转化钧，天工人巧日争新。大模型价格战遮盖了国内企业在算力、算法、数据质量、认知和企业敏感适应能力等方面的改进空间，回归产品和服务战略，强化创新意识，中国经济才能在人工智能时代真正潮平两岸阔，风正一帆悬。
微信编辑 | 苏小
推荐阅读

财政部重磅发布！


继续阅读
阅读原文